力扣小白刷题之46题全排列

题目描述

给定一个没有重复数字的序列，返回其所有可能的全排列。

思路

转载自：https://leetcode-cn.com/problems/permutations/solution/hui-su-suan-fa-python-dai-ma-java-dai-ma-by-liweiw/

全排列是一个经典的“回溯”算法的应用
N 个数字的全排列一共有 N! 个
以数组 [1, 2, 3] 的全排列为例，我们只需要按顺序枚举每一位可能出现的情况，已经选择的数字在接下来要确定的数字中不能出现。按照这种策略选取就能够做到不重不漏，把可能的全排列都枚举出来：

	1. 在枚举第一位的时候，有3种情况；
	2. 在枚举第二位的时候，前面已经出现过的数字就不能再被选取了；
	3. 在枚举第位的时候，前面2个已经选择过的数字就不能再被选取了。

这样的思路，我们可以用一个树形结构来表示，画出“全排列”问题的树形结构。
使用编程的方法得到全排列，就是在这样的一个树形结构中进行编程，具体来说，就是执行一次深度优先遍历，从树的根结点到叶子结点形成的路径就是一个全排列。

说明：

1. 每一个结点表示了“全排列”问题求解的不同阶段，这些阶段通过变量的“不同的值”体现；
2. 这些变量的不同的值，也称之为“状态”；
3. 使用DFS有“回头”的过程，在“回头”以后，状态变量需要设置成为和先前一样；
4. 因此在回到上一层结点的过程中，需要撤销上一次选择，这个操作也称之为“状态重置”；
5. DFS可以直接借助系统栈空间，为我们保存所需要的状态变量，在编码中只需要注意遍历到相应的结点的时候，状态变量的值是正确的，具体做法是：往下走一层的时候，path变量在尾部追加，而往回走的时候，需要撤销上一次的选择，也是在尾部操作，因此path变量是一个栈。
6. DFS通过“回溯”操作，实现了全局使用一份状态变量的效果。

关于编码：

1. 首先这棵树除了根结点和叶子结点以外，每一个结点做的事情其实是一样的，即在已经选了一些数的前提，我们需要在剩下还没有选择的数中按照顺序依次选择一个数，这显然是一个递归结构；
2. 递归的终止条件是，数已经选够了；
3. 这些结点实际上表示了搜索(查找)全排列问题的不同阶段，为了区分这些不同阶段，我们就需要一些变量来记录为了得到一个全排列，程序进行到哪一步了，在这里我们需要两个变量：
   (1) 已经选了哪些数，到叶子结点的时候，这些已经选择了的数就构成了一个全排列；
   (2) 一个布尔数组 visited，初始化的时候都为 false 表示这些数还没有被选择，当我们选定一个数的时候，就将这个数组的相应位置设置为 true，这样在考虑下一个位置的时候，就能够以 O(1) 的时间复杂度判断这个数是否被选择过，这是一种“以空间换时间”的思想。
   我们把这两个变量称之为“状态变量”，它们表示了我们在求解一个问题的时候所处的阶段。
4. 在非叶子结点处，产生不同的分支，这一操作的语义是：在还未选择的数中依次选择一个元素作为下一个位置的元素，这显然得通过一个循环实现。
5. 另外，因为是执行DFS，从较深层的结点返回到较浅层结点的时候，需要做“状态重置”，即“回到过去”、“恢复现场”，例如：
   从 [1, 2, 3] 到 [1, 3, 2]，DFS是这样做的，从 [1, 2, 3] 回到 [1, 2] 的时候，需要撤销刚刚已经选择的数字 3，因为在这一层只有一个数 3，我们已经尝试过了，因此程序回到上一层，需要撤销对 2 的选择，好让后面的程序知道，选择了 3 之后还能选择 2。

代码

总结

1. 为什么使用DFS？
   • 首先是正确性，只有遍历状态空间，才能得到所有符合条件的解；
   • 在DFS的时候，不同状态之间的切换很容易，每两个状态之间的差别只有一处，因此回退非常方便，这样全局才能使用一份状态变量完成搜索；
   • 如果使用BFS，从浅层转到深层，状态的变化就很大，此时我们不得不在每一个状态都新建变量去保存它，从性能来说是不划算的；
   • 如果使用BFS就得使用队列，然后编写结点类。使用DFS，我们是直接使用了系统栈，系统栈帮助我们保存了每一个结点的状态信息。于是我们不用编写结点类，不必手动编写栈完成DFS。
2. 不回溯可不可以？
   • 可以。搜索问题的状态空间一般很大，如果每一个状态都去创建新的变量，时间复杂度是O(N)。在候选数比较多的时候，在非叶子结点上创建新的状态变量的性能消耗就很严重。
   • 就本题而言，只需要叶子结点的那个状态，在叶子结点执行拷贝，时间复杂度是O(N)。
   • 最后，由于回溯算法的时间复杂度很高，因此，如果在遍历的时候，如果能够提前知道这一条分支不能搜索到满意的结果，就可以提前结束，这一步操作称之为剪枝。
3. 回溯算法会大量应用“剪枝”技巧达到以加快速度。有些时候，需要做一些预处理工作(例如排序)才能达到剪枝的目的。预处理工作虽然也消耗时间，但一般而言能够剪枝节省的时间更多。还有正是因为回溯问题本身时间复杂度就很高，所以能够用空间换时间就尽量用。